БЕЛАРУСЬ · 20 октября 2017, 14:58 · DianaVasileva - Author в dev.by
Не магический ящик. Прокопеня рассказал, какие AI-стартапы нужно делать сегодня

Белорусский бизнесмен Виктор Прокопеня рассказал о трёх идеях, которые, по его мнению, изменят мир: скучные операции будут уничтожены искусственным интеллектом, инновации в бизнес-моделях станут эффективным способом создания новых компаний, а креативные подходы заменят шаблонные. Приводим самые интересные цитаты из его выступления на конференции «Новая реальность: вызовы для Беларуси 2017».

Профессор Сергей Нетессине начал свою лекцию в азиатском центре Google в Сингапуре с провокационного вопроса. «Назовите две инновации, придуманные китайскими компаниями за последние 50 лет, которыми сегодня пользуются все. Что-то, что потрясло и изменило мир», — спросил Нетессине. Послушать автора книги «The Risk-Driven Business Model: Four Questions That Will Define Your Company» собрались около 15 руководителей офисов Google в Европе и столько же руководителей крупнейших клиентов Google, но ответить на его вопрос затруднились. На самом деле ответ на этот вопрос поможет понять, как делать успешные проекты с использованием искусственного интеллекта (AI).

Китайская экономика выросла в 50 раз за последние 50 лет. Здравый смысл подсказывает, что в долгосрочной перспективе увеличение экономического благосостояния мира может происходить только из инноваций. Но как может так быть, что мы не можем назвать ни одной китайской инновации, и при этом их экономика так выросла? Неужели только за счет копирования чужих изобретений? Для того, чтобы помочь разгадать эту загадку профессор задал второй вопрос: «Какое изобретение Томаса Эдисона изменило мир?».

Известно, как минимум 22 других изобретателя, которые приблизительно в то же время придумали лампочку. Однако, мы не знаем имён этих людей, а имя Томаса Эдисона известно всем. Почему? Эдисон был не только изобретателем, но также был и бизнесменом — серийным предпринимателем, как сейчас принято говорить. Никола Тесла придумал генератор тока — огромный, шумный. Эдисон не увидел большого экономического смысла в отдельно стоящем генераторе. И придумал нечто большее, чем отдельно стоящая лампочка или генератор, он придумал бизнес-модель продажи электричества. Завод генерирует электричество, которое проходит через трансформатор, потом по высоковольтным проводам попадает в следующий трансформатор и потом уже по проводам попадает в дом каждого из нас.

С тех времен многое поменялось. И лампочки, и генераторы пережили сотни изменений. Компания Томаса Эдисона Edison Illuminating Company после 25 слияний и поглощений сейчас известна как General Electric. Сегодня мы не используем лампочку Эдисона, однако придуманная им бизнес-модель существует до сих пор практически без изменений.

Пройдя через множество примеров, многие из которых описаны в его книге, профессор даёт ответ на вопрос, с которого началась лекция. По его словам, в Китае происходит огромное количество инноваций, просто зачастую, они происходят не в области технологий или продукта, а в области бизнес-модели. В эру искусственного интеллекта способ мышления через business model innovation как никогда актуален. Самое большое заблуждение для предпринимателей — думать про революцию искусственного интеллекта, как обязательно про революцию технологическую, а не как про революцию бизнес-моделей.

Посмотрите на крупнейшие технологические компании. Uber — самая большая в мире компания такси, которая не владеет автомобилями. Alibaba — самый большой мировой ритейлер, у которого нет склада. Facebook — самое большое мировое медиа, которое не создает контент. Airbnb — самый большой в мире провайдер жилья, у которого нет недвижимости. Эти компании просто взяли существующие продукты и придумали, как переупаковать их по-новому. Все это примеры инноваций в бизнес-моделях, и все эти компании успешно используют алгоритмы машинного обучения. Для продумывания бизнес-модели есть очень хороший инструмент — Businessmodelgeneration.com. Там, например, предложено множество интересных вопросов, вокруг которых можно думать для создания бизнес-модели.

Наверное, у вас сразу возникает вопрос, а в каких областях AI-проекты привлекают больше всего инвестиций? Но говорить о каких-то конкретных сферах использования искусственного интеллекта, на мой взгляд, не имеет большого смысла. Самый лучший способ думать про AI — как просто про новый способ программирования. Если раньше программистам для решения определенных задач необходимо было писать множество кода, то сегодня достаточно взять готовый алгоритм и обучить его. Про процесс обучения AI-алгоритма можно также думать, как про то, что компьютер программирует сам себя.

Представьте себе, вы берёте с полки робота со стеклянными глазами (необученный алгоритм), готовите ему суп (подбираете данные в каких-то пропорциях), скармливаете ему этот суп. И тут у него глаза наливаются цветом, и он уже что-то может делать для вас. Понимание того, какой именно суп надо приготовить, какие данные взять, в каких пропорциях, зачастую очень большая часть процесса создания AI-продукта. Искусственный интеллект — это просто инструмент, новый способ программирования и ничего больше. Поэтому вопрос о том, в какой области делать AI-стартап, это как спросить, что хорошо было бы запрограммировать? Все что угодно, где есть интересная, инновационная бизнес-модель.

Мой фонд VP Capital совместно с Larnabel Ventures отсматривает много AI-проектов. Мы слышали невероятно бредовые истории от вполне здоровых людей. Некоторые думают, что можно запихнуть в нейросеть данные о погоде на северном полюсе, количество новорожденных в Индии, рост ВВП в США и предсказать, где в следующий раз упадёт метеорит. AI — это всего лишь инструмент с очень ограниченными возможностями. Если человек не может с помощью определенного дата-сета предсказать что-то, то 99% не сможет и AI. Сегодня возможности AI очень ограничены доступными вычислительными мощностями. AI — это всегда про алгоритмы и данные, с помощью которых их обучают. Зачастую, подготовка данных это 70% процесса создания AI-продукта. Если предприниматель плохо понимает матчасть, то он легко может «палить»   дорогостоящие ресурсы (время AI-инженеров) там, где легко можно обойтись гораздо менее подготовленными специалистами.

Чего не стоит делать, если хочешь привлечь деньги в AI-стартап? Больше всего раздражает, когда приходит предприниматель и думает про AI, как про магический ящик. Если основатель хочет произвести впечатление на инвестора, то он должен глубоко понимать статистику и машинное обучение, понимать, что можно сделать с помощью AI и чего сделать нельзя, свободно оперировать терминами вокруг машинного обучения.

Мы инвестируем только в проекты, где в той или иной мере есть машинное обучение. Нам всегда интересно поговорить с основателями, которые читают последние академические статьи по машинному обучению и на уровне ощущения знают, какой нужен датасет для решения каких задач. Даже если есть огромное количество качественных, правильно структурированных данных, то достичь перформанса больше 98% зачастую невозможно, просто потому, что нелинейность и многообразие нашего мира гораздо выше, чем та степень нелинейности, которая доступна на сегодняшних мощностях нейросетям. Эти и другие ограничения, на мой взгляд, должен знать каждый основатель AI-стартапа. Какая бы не была классная техническая команда, если сами основатели не понимают возможностей и ограничений AI, то инновация в области бизнес-модели очень ограничена. И истории такого типа не всегда интересны инвесторам.

Что в сухом остатке? Первое: недостаточное понимание возможностей AI-алгоритмов и ограниченный фокус на инновации в бизнес-моделях — самая часто наблюдаемая проблема у основателей AI-стартапов. Второе: инновация в бизнес-моделях с использованием AI требует наименьших инвестиций, но, зачастую, создает наибольшее количество экономической ценности. Третье: большинство новых технологий, в том числе и AI, бесполезны без новых бизнес-моделей. Технологии редко меняют нашу жизнь, нашу жизнь меняют инновационные бизнес-модели. И если вы понимаете AI настолько глубоко, что понимаете и как с помощью этих алгоритмов можно создавать инновационные бизнес-модели, то шансов привлечь инвестиции у вас на порядок больше.

 

Фото: Андрей Давыдчик

 

Источник: dev.by
Новые комментарии

Обсуждение

Missing-male
+6

>> берёте с полки робота со стеклянными глазами, готовите ему суп, скармливаете ему этот суп. И тут у него глаза наливаются цветом, и он уже что-то может делать для вас...

у нас же в стране вроде запрещены наркотики... тем более тяжёлые...

Picture_432?1356409809
+4

Вполне здравые выводы. Про робота не понял, но выводы ОК :)

Missing
+2

про робота - это типа про нейронные сети - взяли табула раса, подсунули датасет и получили нечто интеллектоподобное.

но вообще странно, что прокопеня, кивая на необходимость понимания AI, сам его практически всюду отождествляет с нейронными сетями (обучением с учителем). .

Missing-male
Виктор Прокопеня
– Глава представительства в exp(capital)

+8

Миша, смотри - берешь тезорфлоу с полки - он не обучен - робот "мертвый" - "стеклянные глаза". Заливаешь в него данные - он обучается - и вот робот который "ожил" (глаза налились цветом) и может решать какие-то задачи. Часто основная проблема в том как приготовить ему этот суп (датасет), чтобы он сожрал и начал правильные решения принимать. Бывает так что естественные датасеты (супы) плохо подходят и надо их модифицировать/дополнять/изменять --> "готовить суп роботу". Например, берешь с камеры в ресторане миллион фоток лиц людей. Размечаешь на каждой открыты глаза у человека или закрыты. Дальше закидываешь этот датасет --> учишь модель определять закрыты или открыты глаза. Суп плохой - не будет робот детектировать закрытые глаза. Так как в естественной жизни глаза у людей закрыты будут меньше чем в 1% снимков. Модели правильнее говорить, что глаза всегда открыты при таком обучении ее - т к она минимизирует ошибку. Правильный суп, чтобы модель не была biased, для этого случая должен состоять 50/50 фотки с открытыми глазами и фотки с закрытыми глазами. Можно похожего эффекта другими способами конечно добиться, но теперь, возможно, понятнее.

Уважаемый dev.by, я не говорил, что "инновации будут появляться не в продуктах, а в бизнес-моделях" я говорил, что инновации в бизнес-моделях очень эффективный способ создания новых компаний. Исправьте текст.

Picture_432?1356409809
-2

В таком контексте метафора понятна, но в тексте статьи не особенно. Я согласен с этим.

Missing

но ведь AlphaGo Zero не нужны данные, чтобы играть лучше, чем предыдущая версия с залитыми данными.

https://dev.by/lenta/main/alphago-teaches-itself

"Новый шаг в развитии ПО приближает преодоление одного из важнейших ограничений искусственного интеллекта — необходимости обучать алгоритмы на больших объёмах данных. "

Missing-male
ret
– Lead JavaScript Developer в Targetprocess

+1

датасет для AlphaGo Zero генерируется в процессе игры (правила игры детерменированы). Такой возможности нет для случая описанного выше.

Missing
-2

Reinforcement learning показывает что суп можно и не готовить вовсе, а робот все равно будет решать какие то задачи и принимать правильные решения.

Missing
+2

а есть примеры стартапов, которые купили за большие деньги, которые используют ИИ и нейросети для какой-нибудь полезной работы, замещающей человека, а не на всякие кривлялки? я в этом ничего не понимаю, и интересует чем ии и нейросеть отличается от просто какого-нибудь алгоритма сравнения исходных данных с базой собранных ранее данных, с какой-то заданной точностью? что делают "нейросети", просто упрощают это сравнение, т.е. это как разновидность алгоритма сравнения? за счет того что, сравнивается не целиком все данные, а итеративно и большинство данных "супа" отпадает еще на первых шагах сравнения?

Picture_432?1356409809
+3

Формат комментариев не очень подходит для таких объяснений. Если очень кратко, то глубокие сети умеют вычленять какие-то паттерны, повышая уровень абстракции от слоя к слою (например, углы и линии на первом, форму ушей на втором, лица на третьем и тп). Причем эти паттерны получаются сами собой и невозможно заранее предсказать, какие они будут. То есть нельзя сказать что это просто сравнение, это немного похоже на механизм работы мозга по распознаванию изображений, к примеру. К сожалению, пока все очень плохо с explainability. То есть глубокие нейросети работают, но мы не можем у нее спросить или понять, почему она приняла то или иное решение на выходе. Это одна из главных проблем DL, на мой взгляд.

Что делают? Например, выигрывают чемпиона мира в Go. Умеют не хуже рентгенологов определять рак легких. Могут написать текст, который уже сложно или невозможно отличить от текста, написанного человеком. Могут сочинить мелодию с таким же результатом.

Будущее уже наступило, просто оно неравномерно распределено.

Missing-male
Виктор Прокопеня
– Глава представительства в exp(capital)

+4

Успешный стартап != стартап который купили

Стартап который купили != успешный стартап

Гугл, фейсбук, apple, микрософт, IBM и т д и т д - успешные компании, которые активно используют нейросети для полезной работы.

Примеры API (=Machine Learning продуктов) на базе которых строится много различных успешных историй:

https://azure.microsoft.com/en-us/services/cognitive-services/

https://www.ibm.com/watson/

Алгоритм поиска гугла, алгоритм сортировки ленты в фейсбуке, алгоритм распознавания речи в Siri и т д и т д - примеры "стартапов" которые активно использует машинное обучение и которыми уже каждый день пользуются огромные аудитории и которые приносят огромную экономическую пользу.

То про что пишут в СМИ != исчерпывающий список того что происходит в этом секторе. Успешных стартапов, которые применяют для полезной работы нейросети сотни - https://www.cbinsights.com/research/artificial-intelligence-top-startups/ - опять же, это не исчерпывающий список.

Нейросети позволяют описывать дисперсию. Если раньше для решения какой-то задачи необходимо было писать большой и сложный алгоритм, то сегодня можно приготовить правильный "суп" (=подобрать данные), обучить нейросеть и она сама себя "запрограммирует" (=подберет нужные веса в алгоритме) для описания дисперсии, что, очевидно, гораздо эффективнее и быстрее. Ингредиенты "супа" не отпадают - они все участвуют в "настройке" алгоритма. Искусство в правильном подборе "ингредиентов супа", чтобы в итоге, описать больший процент дисперсии целевой функции.

Если алгоритм описывает 90% дисперсии, например, позволяет распознавать например речь в 90% случаев - продукт для гиков. Алгоритм распознавания речи, который работает в 98% случаев - масс маркет. Современное железо и современные алгоритмы сделали возможным описание большего количества дисперсии. В связи с этим, происходит такой взрывной рост популярности этой истории.

Обучение ML алгоритмов - новый, более эффективный способ программирования, который подходит далеко не для всех задач, но делает возможным решение тех задач, которые раньше из-за размеров трудозатрат решить было невозможно или почти невозможно.

Missing
+2

я одного понять не могу - почему вокруг супа из линейной алгебры и нелинейных преобразований, именуемого модным лейблом AI - так много хайпа. О, а давайте обучим сетку, которая будет классифицировать - это AI стартап или нет?

почему не пишут с таким ажиотажем про последние открытия в физике? там ведь вещи куда более фундаментальные, чем маски на лицо генерить.

А вот в целом про AGI говорят мало, хотя уже имеются некоторые наработки

A752f7bdc757476a3d5d562e599dd901?1509866821
+1

Появились новые инструменты, которые уже протестированы и отлажены, а следовательно снизился и порог инвестиций. Все ловят момент пока ниша не заполнена.

Picture_572?1356409814
agentcooper
– PM в Softeq Flash Solutions

+2

про ЭВМ в начале так же говорили, просто в какой-то момент накопление мелочей приводит к качественным скачкам.

Missing
webmascon
– Core Java developer в BAML

-1

> изменят мир: скучные операции будут уничтожены искусственным интеллектом,

нельзя ли сделать такой искуственный интеллект, который будет считать голоса на президентских выборах? а то такая скучная операция....

Missing
+5

Уважаемый Виктор,

Текст статьи достаточно хаотичен. Извините, но аллегория и метафора, как прием - не ваш конек, что было подмечено ранее в комментариях.

Название статьи дословно говорит, что вы рассказали какие AI-стартапы нужно делать сегодня. Вы не рассказали, увы.

Что рассказали?

1. Нейросети нужно обучать и использовать правильные/структурированные данные для этого. Согласен, но это не новость. Это понимает любой специалист работающий с этой проблематикой. Если вам хочется поговорить на эту тему, то скорее важно ответить на вопрос : “Как подойти к решению проблемы формирования правильного датасета при решении той или иной прикладной задачи?”

2. Любая технологическая инновация с точки зрения бизнеса должна :

a) Решать конкретную проблему конечного потребителя, привносить пользу, которая не измеряется деньгами, make your client feel happy.

б) Вписываться в вашу бизнес модель, которая в свою очередь гарантирует экономическую целесообразность использования технологии.

с) Бизнес модель может быть отлична от классической/старой и должна носить адаптивный характер к быстро меняющемуся миру.

Хорошие утверждения и о них важно помнить, но не новость.

Вопрос :

Информационный фон в последнее время перенасыщен информацией о вас и ваших успехах. Вы позиционируете себя бизнесменом в первую очередь, венчурным инвестором. Не встречал ранее информации о том, что вы филантроп и ваши текущие проекты имеют такую направленность. Это означает, что вы оцениваете бизнес по соответствующим метрикам и в первую очередь экономическим, иначе бизнес не имеет смысла. Могу предположить, что в вашем случае успех бизнеса лежит в балансе между использованием передовых технологий, счастьем клиентов и экономической целесообразностью бизнеса (profit). В вашем портфолио имеются проекты, которые соответствуют таким критериям оценки, а не только получают инвестиции? Если да, то приведите пожалуйста примеры таких успешных проектов, людям интересно. Если таких примеров нет, то почему вы рассказываете аудитории и учите тому чего возможно еще не знаете сами? Спасибо

33b769906bf301d4895beebd2ba871d1?1365455444
-1

"Текст статьи достаточно хаотичен. "

может потому, что не Виктор писал эту статью? писала редакция, и как Виктор выше заметил - с искажениями.

Missing

А вы перечитайте текст статьи внимательно еще раз и обратите внимание от чьего лица ведется повествование.

"Наверное, у вас сразу возникает вопрос, а в каких областях AI-проекты привлекают больше всего инвестиций? Но говорить о каких-то конкретных сферах использования искусственного интеллекта, на мой взгляд, не имеет большого смысла."

"На мой взгляд" подразумевает принадлежность к тому чей это взгляд и это не автор статьи.

"Мой фонд VP Capital совместно с Larnabel Ventures отсматривает много AI-проектов."

"Мы инвестируем только в проекты, где в той или иной мере есть машинное обучение. Нам всегда интересно поговорить с основателями"

Если это был формат интервью, значит это не выводы автора статьи, и они могли быть немного искажены во время редактирования, но смысл не поменялся бы. Если это не интервью, тогда странно почему редакция пишет не от своего лица, примеры выше.

Missing
+5

> Прокопеня рассказал, какие AI-стартапы нужно делать сегодня.

Так какие? Или это просто сlick-bait статья?

Missing
+1

Не знаю что там в этой статье, но обсуждаемое выступление одно из лучших на всей конференции, действительно свежий взгляд, всё кажется очевидным, но после того как сказано со сцены, хотя я о подобном думал в контексте патентов - патент не имеет ценности, имеет ценность удовлетворения потребностей клиентов, но перенести эту идею на новизну продуктов я не додумался.

5a3b89e573da755befe514b46a797287?1365455438

Мне понравилась статья. Хорошо, что у нас в Беларуси стали говорить не только о технологиях и инновациях, а и о том, как делать вокруг этого бизнес.

Виктор, спасибо за доклад и за ссылку на AI 100.

Missing

А что такое экономические ценности? Для кого ценности, а для кого 13 октября черная пятница?


Авторизуйтесь, чтобы оставлять комментарии

Использование материалов, размещенных на сайте, разрешается при условии прямой гиперссылки на dev.by. Ссылка должна быть размещена в подзаголовке или в первом абзаце публикации.
datahata — хостинг в Беларуси